数学和计算机技术的不断发展,为数字图像和视频处理注入了新的活力。同时,人们对视觉信息的要求也越来越高,这对数字图像和视频处理来说,既是一个难得的机遇,也是一个巨大的挑战。噪声不可避免的存在于数字图像和视频中。一直以来对数字图像去噪处理就是图像处理的一个热点问题,尤其是最近几年来,视频图像的去噪处理也逐渐成了视频处理关注的焦点,如何高效的去除数字图像和视频中的噪声,已成为数字图像和视频处理的关键步骤。本文基于随机游走(Random Walk)提出了一种快速实现NLM图像、视频去噪的方法。首先,我们介绍了噪声类型和图像质量评测方法,接着我们分析了数字图像在空间域的几种经典的去噪方法,并比较了它们之间的优劣。从中我们选取了当前最热门、也是去噪效果最好的一种方法——Non-Local Means(NLM)做进一步分析,针对NLM运算时间长,效率低的问题,我们借助蒙特卡罗重要性采样的思想,通过对窗口内像素片的自适应选取,减小滤波窗口,从而减少运算时间。接下来,我们利用区域灰度直方图来求两像素的灰度值距离,完成对NLM的加速实现。最后我们把从对图像的去噪扩展到对视频的去噪。综上所述,本文的主要贡献在于将重要性采样的思想应用于图像、视频去噪中,并且采用区域灰度直方图距离作为一种新的有效的像素灰度值距离的度量方式,从而完成了对原始NLM去噪的快速实现。